Kanser payudara adalah antara punca utama kematian di Amerika Syarikat
Menurut Institut Kanser Kebangsaan, kira-kira 268,670 kes baru kanser payudara dijangka tahun ini, dan wanita 40,920 dijangka mati akibat penyakit ini.
Selain itu, satu daripada lapan wanita akan mengembangkan kanser payudara pada satu ketika dalam kehidupan mereka.
Malangnya, lebih daripada Peratus 50 mamogram di Amerika Syarikat adalah cacat.
Sama ada kegagalan untuk memberikan imej yang betul atau salah tafsir oleh doktor, mamogram yang tidak tepat sering menyebabkan misdiagnosa yang mahal atau kegagalan untuk menangkap tumor yang mematikan.
Para saintis memandang kepada AI untuk menyediakan pesakit dengan keputusan mammogram yang lebih tepat.
Mamogram adalah cacat
Doktor boleh gagal untuk mengesan tumor secara tepat dari bacaan, yang boleh menyebabkan ujian palsu negatif.
Sebaliknya, doktor mungkin salah menafsirkan pemeriksaan sebagai positif walaupun tidak, yang boleh mengakibatkan ujian positif palsu dan memerlukan pesakit menjalani ujian tambahan yang tidak perlu dan mahal.
"Mamogram boleh menjadi pemeriksaan yang berharga dan menyelamatkan nyawa bagi kanser payudara dalam beberapa kes," katanya Morgan Statt, penyelidik kesihatan dan keselamatan di Malaysia ConsumerSafety.org.
"Tetapi terdapat beberapa kekurangan yang ada dalam mamografi yang harus menggalakkan kita untuk terus memperbaiki ujian. Dari segi ekonomi, keputusan mammogram positif palsu sama dengan $ 4 bilion dalam perbelanjaan negara setiap tahun kerana ujian tambahan dan prosedur invasif. "
Tambahan lagi, mamogram semasa tidak dapat mengesan kanser interval yang cepat berkembang di antara skrin.
Diambil secara keseluruhan, setiap isu ini boleh memudaratkan kesihatan fizikal dan emosi seorang pesakit.
"Ditambah dengan kesan kewangan ujian mammogram cacat adalah kegawatan emosional yang dialami oleh pesakit," kata Statt.
"Kecemasan dan kecemasan psikologi dapat dialami oleh wanita yang telah menerima hasil positif palsu, sementara penyaringan negatif palsu dapat membawa momen harapan yang singkat. Kedua-dua sebab semata-mata harus menggalakkan peningkatan mammogram yang berterusan. "
Bagaimana AI dapat membantu
AI boleh digunakan untuk meningkatkan ketepatan mamogram dengan menghapuskan kesilapan manusia dan meningkatkan kelajuan pembacaan mamografi.
Oleh kerana pembacaan yang tidak tepat seringkali disebabkan oleh salah tafsir oleh doktor, saintis telah mula menggunakan kedua-dua pembelajaran mesin dan pembelajaran mendalam, subset AI, untuk meningkatkan ketepatan.
"Setakat ini, penerapan AI dalam mammografi telah menunjukkan bahawa ia dapat meningkatkan ketepatan pemeriksaan, membantu doktor mendiagnosis pada kadar yang lebih cepat, dan bahkan dapat meningkatkan kecekapan aliran kerja dalam radiologi secara per-fasilitas," kata Statt.
Menilai tisu padat
Dalam kajian baru-baru ini, penyelidik MIT dan Massachusetts General Hospital menunjukkan bahawa model pembelajaran mereka dapat digunakan untuk menilai tisu payudara yang padat seperti yang tepat sebagai pakar manusia.
Tisu payudara yang padat adalah faktor risiko untuk kanser payudara, oleh itu doktor di negara-negara 30 AS dikehendaki oleh undang-undang untuk memberitahu pesakit yang mamogramnya mengenal pasti tisu padat.
Walau bagaimanapun, walaupun lebih daripada 40 peratus wanita di AS mempunyai tisu payudara yang padat, penilaian kepadatan payudara boleh berbeza-beza kerana pelbagai sebab.
"Kepadatan payudara adalah faktor risiko bebas yang mendorong bagaimana kita berkomunikasi dengan wanita mengenai risiko kanser mereka," kata Adam Yala, seorang pelajar kedoktoran dalam Sains Komputer MIT dan Makmal Perisikan Buatan (CSAIL) dan pengarang kedua kajian itu.
"Motivasi kami adalah untuk mencipta alat yang tepat dan konsisten, yang boleh dikongsi dan digunakan di seluruh sistem penjagaan kesihatan."
Dalam kedua-dua latihan dan ujian, model itu dapat mengenalpasti empat kategori kepadatan payudara - lemak, bertaburan, heterogen dan padat - dari ahli radiolog pakar.
Model terbukti dapat dipercayai seperti pakar manusia. Para penyelidik mendapati, contohnya, model itu sepadan dengan penilaian radiolog MGH pada lebih daripada XMUMMAM pada 10,000 peratus.
Para penyelidik merancang untuk memajukan model mereka supaya mereka dapat membuatnya tersedia di hospital lain
Membezakan diagnosis malignan dan jinak
Dalam satu lagi kajian baru-baru ini, penyelidik dari University of Pittsburgh mendapati bahawa teknologi pembelajaran mendalam mereka dapat membantu para doktor mengenal pasti ciri pengimejan mammografik yang dinamik pada ujian positif palsu yang dapat membantu mereka membezakan antara diagnosis malignan dan jinak.
Para saintis dapat mengenal pasti ciri pengimejan yang unik dan sukar dibaca yang dapat membantu para ahli radiologi menilai sama ada bacaannya benar-benar positif atau negatif.
"AI, terutamanya teknik pembelajaran mendalam, menyediakan pendekatan yang didorong oleh data untuk mengenal pasti ciri pengimejan yang mungkin sukar dilihat secara visual / dilihat oleh ahli radiologi dalam membaca imej," kata Shandong Wu, penolong profesor radiologi, informatika bioperubatan dan bioengineering di University of Pittsburgh.
"Oleh itu, dengan AI dan satu set besar gambar mamogram, ia menyediakan skema penting untuk membantu menyelesaikan masalah ini."
Menterjemahkan mamogram
Para saintis di Institut Penyelidikan Methodist Houston telah membangunkan program AI yang boleh tafsirkan mamogram dengan ketepatan peratus 99 dan 30 kali lebih cepat daripada seorang doktor manusia.
Pasukan menggunakan perisian AI untuk menilai laporan mammogram dan patologi pesakit 500. Perisian ini diprogramkan untuk mengimbas carta pesakit, mengumpul ciri diagnostik dan mengkaji penemuan mammogram dengan subtipe kanser payudara.
Ia mengambil masa hanya beberapa jam untuk program ini untuk menyelesaikan semua bacaan pesakit 500. Kajian manual hanya carta 50 biasanya akan mengambil masa dua klinik 50-70 untuk disiapkan.
Para saintis kemudiannya menggunakan hasilnya untuk tepat meramalkan kemungkinan setiap pesakit diagnosis kanser payudara.
Kesimpulan
Pembangunan AI untuk mamogram yang lebih tepat adalah penting untuk kesihatan wanita di seluruh dunia.
"Saya fikir aplikasi AI ujian mammogram perlu terus dibangunkan untuk membantu pakar radiologi menafsirkan imbasan ini, jika hanya untuk meneruskan interaksi berterusan kami dengan sistem komputer," kata Statt.
